用Python与Pool.Map（）进行并行编程比较MAC OSX&；视窗10

在Python3.X中搜索各种可能的多处理之后，这个程序非常简单

在MAC和Windows上运行该程序可获得不同的结果。MAC的并行处理比串行处理花费的时间更少。我阅读了关于IPC开销等的各种注释，因为这是一个需要处理的微不足道的函数，但比为什么在MacOSX上的结果要好得多

基本上，了解MacOSX体系结构以处理Pool.MAP（）的人可以提供输入。提前谢谢

**On MAC OSX**
cpu_count() = 4
Creating pool with 4 processes
pool = <multiprocessing.pool.Pool object at 0x1019d96a0>
Time for y_parallel =  2.866562843322754
Time for y_serial =  10.207499027252197


**On Windows**
cpu_count() = 4
Creating pool with 4 processes
pool = <multiprocessing.pool.Pool object at 0x031A1CD0>
Time for y_parallel =  13.155309915542603
Time for y_serial =  10.025831460952759

    import multiprocessing
    import time

    def f(x):
         time.sleep(0.1)
         return x+1

    # Serially adding 100 numbers (X+1) to y_serial
    y_serial = []
    x = range(100)
    startTime_serial = time.time()
    #for i in x:
    #    y_serial = y_serial + [f(i)]
    y_serial += map(f,x)
    endTime_serial = time.time()


    #Letting Pool allocate processes through map.Pool
    if __name__ == '__main__':
        print('cpu_count() = %d' % multiprocessing.cpu_count())
        PROCESSES = multiprocessing.cpu_count()
        print('Creating pool with %d processes' % PROCESSES)
        pool = multiprocessing.Pool()
        print('pool = %s' % pool)
        startTime_parallel = time.time()
        y_parallel = pool.map(f,x)
        pool.close()
        pool.join()
        endTime_parallel = time.time()
        print("Time for y_parallel = ", endTime_parallel - startTime_parallel)
        print ("Time for y_serial = ", endTime_serial - startTime_serial)
        print ("y_parallel", y_parallel)
        print ("y_serial=", y_serial)

MAC OSX上的**** cpu_计数（）=4 创建包含4个进程的池 池= y_并联时间=2.866562843322754 y_序列的时间=10.20749027252197 **在窗户上** cpu_计数（）=4 创建包含4个进程的池 池= y_并联时间=13.155309915542603 y_序列的时间=10.025831460952759 导入多处理 导入时间 def f（x）： 睡眠时间（0.1） 返回x+1 #连续向y_序列添加100个数字（X+1） y_serial=[] x=范围（100） startTime\u serial=time.time（） #对于x中的i： #y_serial=y_serial+[f（i）] y_serial+=map（f，x） endTime_serial=time.time（） #允许池通过map.Pool分配进程 如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'： 打印（'cpu\u count（）=%d'%multiprocessing.cpu\u count（）） 进程=多处理。cpu\u计数（） 打印（'正在创建具有%d个进程“%1个进程”的池） 池=多处理。池（） 打印（'pool=%s'%pool] startTime\u parallel=time.time（） y_parallel=pool.map（f，x） pool.close（） pool.join（） endTime_parallel=time.time（） 打印（“y_并行时间=”，endTime_并行-startTime_并行） 打印（“y_序列的时间=，endTime_序列-startTime_序列） 打印（“y_平行”，y_平行） 打印（“y_serial=”，y_serial）